Android Studio - SAXParseExceptionがウィキペディアのページにアクセスすると

Question

私は4日前に開始したAndroid Studioで非常に珍しい問題があります。 問題は次のとおりです：wikipedia、google、yahoo、いくつかのJavaドキュメントなど、ページを読み込み（解析）しようとすると例外がスローされますが、Eclipseで同じコードを書くとすべて正常です。 だから、ここ呼び出し元のクラス（活動）からのコードは次のとおりです。

public void run() { 
    // TODO Auto-generated method stub 
    try { 
     //Thread.sleep(60000); 
     URL url = new URL(httpsurl); 
     HttpsURLConnection https = (HttpsURLConnection)url.openConnection(); 
     DocumentBuilder db; 
     DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); 
     db = dbf.newDocumentBuilder(); 
     Document doc = db.parse(https.getInputStream()); 
     NodeList nodes = doc.getElementsByTagName("img"); 
     System.out.println(nodes.item(0).getAttributes().getNamedItem("src").getNodeValue()); 
     https.disconnect(); 
    } catch (MalformedURLException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 
    } catch (IOException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 

    } catch (ParserConfigurationException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 
    } catch (SAXException e) { 
     // TODO Auto-generated catch block 
     e.printStackTrace(); 
    } 

} 

のAndroid Studioで例外がコードからスローされます：

`new Thread(new ImgCrawlerThread("https://en.wikipedia.org/wiki/Batman_(comic_book)")).start();` 

そして、ここではImgCrawlerThreadからのコードがありますDocument doc = db.parse(https.getInputSteam())

Eclipseの実行からの結果は、次のようになります。

//upload.wikimedia.org/wikipedia/en/thumb/4/4d/BatmanComicIssue1%2C1940.png/250px-BatmanComicIssue1%2C1940.png

とAndroid Studioから：

 `org.xml.sax.SAXParseException: expected: /img read: a (position:END_TAG </a>@43:317 in java.io.InputStreamReader@1f213bb3) 
System.err:  at org.apache.harmony.xml.parsers.DocumentBuilderImpl.parse(DocumentBuilderImpl.java:146) 
System.err:  at javax.xml.parsers.DocumentBuilder.parse(DocumentBuilder.java:107) 
System.err:  at com.finki.filip.crawlingtest.CrawlerAsync.doInBackground(CrawlerAsync.java:61) 
System.err:  at com.finki.filip.crawlingtest.CrawlerAsync.doInBackground(CrawlerAsync.java:37) 
System.err:  at android.os.AsyncTask$2.call(AsyncTask.java:288) 
System.err:  at java.util.concurrent.FutureTask.run(FutureTask.java:237) 
System.err:  at android.os.AsyncTask$SerialExecutor$1.run(AsyncTask.java:231) 
System.err:  at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1112) 
System.err:  at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:587) 
System.err:  at java.lang.Thread.run(Thread.java:818)` 

私は私にこの非合理的な問題についての合理的な意見を与えることができる人に感謝するでしょう！

Answer 1

HTML！= XML

XMLパーサーは入力文法に関してかなり厳格です。一方、Webブラウザは、不一致のタグなどと競合しなければならず、はるかに寛容です。 XMLパーサーを使ってWebページを解析しようとすると、敗戦になるでしょう。

GoogleでもAndroid内で同じ問題があります。 Html.fromHtml()のソースコードを見ると、HTMLがマークアップされたSpannableStringに変換され、jsoupというオープンソースライブラリが使用されていることがわかります。これにより、 "タグスープ" HTMLをXMLのように解析することができます。それは本当に壊れたHTMLマークアップの中であなたのための賢明なDOMを作成します。あなたのアプリケーションのためにjsoupを見ることをお勧めします。